本文主要向大家介绍了【云计算】科技云报道：造概念or真需求？边缘计算的市场到底有多大？通过具体的内容向大家展现，希望对大家学习云计算有所帮助。

边缘计算的潜在价值甚至让不少企业喊出了“边缘计算干掉云计算”的口号，而在一些更有诱惑力的价值吸引下，一些物联网和云计算企业开始按捺不住，纷纷走向了豪赌边缘计算的道路。

事实上，边缘计算并非新生事物，其运算原理在很多年前就已经被提出了。边缘计算之所以在近期名声鹊起，是与算法、数据和传输网络几个领域的发展密不可分的。边缘计算带来的价值想象，最核心的一点还是它与一个词发生了难以描述的关系：物联网。

毋庸置疑，边缘计算的市场前景非常广阔：IDC发布的相关预测表明，到2018年，50％的物联网网络将面临网络带宽的限制，40％的数据需要在网络边缘侧分析、处理与储存，到2025年，这一数字将超过50％。

海量数据的分析与储存对网络带宽提出了巨大的挑战，而边缘计算的诞生，就是为了解决这一问题。

现阶段物联网的主要运算能力都是由云计算提供的，边缘计算不是在中央服务器里整理后实施处理，而是在网络内的各设备实时处理，所有的智能设备都能成为“数据中心”。

因此，边缘计算带来了更快的传输和响应速度，同时边缘计算利用了传统云计算的遗漏区域，产能比更划算。

巨头纷纷布局边缘计算

今天边缘计算带来了一种仿佛可以推翻云计算的可能，自然吸引了无数目光。即便是以前极力拥护云端的一些主要云端大厂，最近也都突然大转变，开始重视边缘计算。

云端服务龙头亚马逊每年冬天在美国拉斯韦加斯举行的re:Invent全球用户大会上，都会发表最新云端产品服务，去年却突然大转变，开始说要重视边缘计算(Edge Computing)，甚至还罕见一口气推出三款非云端产品。

还不到半年，另一家云服务竞争对手微软也在今年 Build 2017开发者大会开始大谈边缘计算的重要性，甚至连微软执行官SatyaNadella都直接喊出“要做一个聪明边缘设备”。

前不久才宣布5年要重砸20亿欧元投资物联网的云端ERP商用软件巨头SAP去年也重金买下了一家意大利企业级物联网平台供货商PLAT.ONE，就是为了要布局边缘计算。

Google也于近期发布了全新的边缘计算服务Cloud IoT Core，协助企业连接及管理物联网装置，以及快速处理物联网装置所采集的数据。

今年4月，全球最大开源社群Linux决定成立新项目来推动边缘计算。目前已经有的Dell、AMD等超过50家厂商加入，这还只是众多边缘计算联盟中的一个。

随着亚马逊、微软、谷歌等大企业相继入局，边缘计算的前景也在某种程度上成为了行业共识。

边缘计算+IoT云平台应用落地

根据IDC的预估，对物联网的投资将在未来3年内以15.6%的速度增长，2020年达到1.29万亿美元。其中，物联网投资由工业应用主导，包括制造业、交通运输业和公用事业。

作为工业物联网分析和处理应用程序的引擎，未来工业物联网市场更大的焦点或落在边缘计算，而不是云计算上。

正因为边缘计算的广阔前景，边缘计算+IoT云平台，正在成为巨头们强强联手的重头戏。目前已有的边缘计算+IoT云平台的应用案例，也在进一步印证这个观点。

比如华为的边缘计算方案EC-IoT和GE的云平台Predix合作，实现工业设备运行状态的实时监测；思科的边缘计算实现与微软Azure云平台之间的互联，确保为企业提供从边缘到云端的整体性服务。

德国制造商ThyssenKrupp在全球有超过100万台电梯，他们已经在使用边缘计算+IoT云平台来预测电梯何时可能故障，并提前进行预防措施。

可口可乐使用边缘计算+IoT云平台来管理位于各地的新型酷炫饮料机。边缘设备可以让客户随意选择超过100种的不同饮料组合，迅速完成定制，并负责收集与消费者偏好相关的大量信息，然后通过云端与可口可乐中央数据中心共享。

美国最新一代的列车也在使用边缘计算+IoT云平台搭配的解决方案，覆盖美国铁路网络中的20,000列车和65000英里轨道。边缘设备不断监测火车的运动数据，减少碰撞风险、提高列车的安全性，并将重要数据回传云端。

除此以外，边缘计算+IoT云平台的组合，还可以用到传感器数据监测和分析、零售业用户的行为分析、移动数据的降噪和信息提取、金融机构的合规分析、石油/天然气等行业的远程监测和分析，以及各种相关领域。

人工智能催化边缘计算

除了巨头们对边缘计算的青睐之外，技术的成熟度也在催化边缘计算的落地。

以往我们认为人工智能的相关算法，必须通过云端的运算能力来实现，不过现在已经有更多的厂商将机器学习、甚至是深度学习的能力带进设备内，使得现在的边缘设备也能做到云端能做的事，应用也越来越广了。

比如最近苹果发布了Core ML平台，坚持不在云端实现机器学习，核心是加速在iPhone、iPad、Apple Watch上的人工智能任务，支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型等。Core ML的推出意味着机器学习正在从云端“离家出走”，降落到边缘设备的开始。

边缘计算能为人工智能硬件、智能机器人提供高速交互所需的运算服务，分解了云端在运算能力、传输能力上的巨大压力，这就将边缘计算的前景和人工智能技术的前景捆绑到了一起，想象空间骤然加大。这些非常明显的商业机遇，也加速了边缘计算的风潮。

起步阶段挑战重重

虽然边缘计算的设想很吸引人，但在实际的操作中，无论是工业领域，还是消费领域，细分市场众多，需求差异很大，高度适配各个领域的技术解决方案似乎还没有出现。

根据《边缘计算产业联盟白皮书》显示，边缘计算有三个发展阶段：

联接。及实现终端及设备的海量、异构与实时连接，网络自动部署与运维，并保证联接的安全、可靠与维护性。远程自动抄表就是其中的应用场景，这解决了电表数量巨大的问题。

智能。边缘侧引入数据分析与业务自动处理能力，智能化执行本地业务逻辑，这可以大幅提升效率并且降低成本。电梯的预测性维护就是该应用之一。

自治。引入人工智能，边缘计算不但可以自主进行业务逻辑分析与计算，还可以动态实时完成自我优化、调整执行策略。

综合来看，边缘计算走向实际应用还有距离，更有两个难以跨越的难关：

一方面，边缘计算难以兼容异构。也就是说如何让冰箱算洗衣机的数据、空调算手机的数据还没人回答。这就导致了真正能提供边缘计算能力的设备和网络非常稀少。

另一方面，边缘计算的智能化进度也让人疑惑。将数据中心化集成，意味着可以通过不同算法整合处理，得到各种需要的结果。但边缘计算的运算场景却无法兼容过多智能化处理方式，这就让运算体系间的适用性不高。

总而言之，边缘计算仍处于起步阶段。尽管在实现边缘计算时出现了不少挑战，但边缘计算将会催生更多的发展机遇。相信在未来某一天，我们可以享受到万物都是终端，同时万物都是计算中心的生活。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据安全频道！